在北京的一間電氣設(shè)備生產(chǎn)車間中，工業(yè)生產(chǎn)管理技術(shù)研發(fā)專家廖松正在與合作企業(yè)的技術(shù)總監(jiān)探討“基于深度并行時(shí)序關(guān)系網(wǎng)絡(luò)的工業(yè)生產(chǎn)異常數(shù)據(jù)診斷平臺(tái)”的試運(yùn)行效果。結(jié)果讓該企業(yè)的技術(shù)團(tuán)隊(duì)興奮不已：“這款最新研發(fā)的工業(yè)生產(chǎn)智能檢測系統(tǒng)上線試運(yùn)營的各項(xiàng)指標(biāo)表現(xiàn)優(yōu)異，可實(shí)現(xiàn)最高1000SPM下的生產(chǎn)過程異常監(jiān)測，最小0.1ⅹ0.1ⅹ0.02mm體積的異物檢出，漏檢率≤0.01%，與全球知名的精密檢測廠商方案相比，故障預(yù)測準(zhǔn)確率提升120%，安裝和維護(hù)成本降低50%以上。”

廖松出身工科，先后從事機(jī)械工程、工業(yè)工程、工業(yè)智能等相關(guān)領(lǐng)域工作多年，擁有豐富的工業(yè)智能、預(yù)測性維護(hù)等技術(shù)研究及應(yīng)用實(shí)踐經(jīng)驗(yàn)。“基于深度并行時(shí)序關(guān)系網(wǎng)絡(luò)的工業(yè)生產(chǎn)異常數(shù)據(jù)診斷平臺(tái)”正是他基于對(duì)工業(yè)場景和設(shè)備檢測痛點(diǎn)的深刻洞察，自主研發(fā)出的重要技術(shù)成果之一，目前已經(jīng)廣泛投入市場。

在工業(yè)生產(chǎn)中，工業(yè)檢測是保障產(chǎn)品質(zhì)量必不可少的環(huán)節(jié)。主流的工業(yè)界通常采用后道工業(yè)質(zhì)檢進(jìn)行工件檢測，但這種事后人工檢測的方法，總是無法及時(shí)發(fā)現(xiàn)生產(chǎn)過程的異常，存在一定弊端。在現(xiàn)代工廠高頻次多工序制造的當(dāng)下，一旦故障發(fā)生，特別是批量異常，不僅會(huì)帶來巨大成本損失，還會(huì)嚴(yán)重?fù)p壞機(jī)器設(shè)備。更為棘手的是，如果存在一定漏檢，引起大的客訴問題，影響下游客戶的生產(chǎn)質(zhì)量，還會(huì)面臨評(píng)級(jí)下調(diào)甚至丟單的風(fēng)險(xiǎn)。因此，及時(shí)發(fā)現(xiàn)早期生產(chǎn)異常，保證所交付的產(chǎn)品質(zhì)量，對(duì)上游工業(yè)生產(chǎn)廠商來說尤為關(guān)鍵，這使得工業(yè)制造企業(yè)對(duì)生產(chǎn)過程的實(shí)時(shí)化、精細(xì)化監(jiān)控要求越來越嚴(yán)格。

廖松表示，隨著“單機(jī)高質(zhì)量制造和集群精細(xì)化管理”成為工業(yè)生產(chǎn)與精密制造行業(yè)的普遍需求，在加工生產(chǎn)過程中及時(shí)發(fā)現(xiàn)早期的微弱異常，才能避免異常帶來的產(chǎn)品質(zhì)量、用料成本、設(shè)備故障等問題，從而有效提升生產(chǎn)制造智能化水平。為此，廖松歷經(jīng)數(shù)月的研發(fā)，開發(fā)了一款面向精密零部件制造場景檢測需求的“基于深度并行時(shí)序關(guān)系網(wǎng)絡(luò)的工業(yè)生產(chǎn)異常數(shù)據(jù)診斷平臺(tái)”，融合了高精度傳感器、多模態(tài)信號(hào)融合技術(shù)，借助開源時(shí)序建模算法庫，實(shí)現(xiàn)了對(duì)精密制造過程異常的智能在線監(jiān)測。

“基于深度并行時(shí)序關(guān)系網(wǎng)絡(luò)的工業(yè)生產(chǎn)異常數(shù)據(jù)診斷平臺(tái)”涵蓋時(shí)序預(yù)測和時(shí)序異常檢測兩大核心場景，能夠?qū)崿F(xiàn)對(duì)設(shè)備更精準(zhǔn)的識(shí)別與檢測。無論是在時(shí)序建模功能的豐富度，還是在集成的時(shí)序算法數(shù)量、端到端執(zhí)行效率上，都遠(yuǎn)遠(yuǎn)領(lǐng)先于國內(nèi)外同類的工業(yè)生產(chǎn)檢測技術(shù)。當(dāng)現(xiàn)場有異常發(fā)生時(shí)，系統(tǒng)能快速識(shí)別檢測并報(bào)警變紅，顯示到監(jiān)測屏幕上，操作人員便可根據(jù)情況執(zhí)行停機(jī)指令，避免產(chǎn)品的批次報(bào)廢現(xiàn)象發(fā)生。同時(shí)，系統(tǒng)還將識(shí)別異常系統(tǒng)和現(xiàn)場維修系統(tǒng)集成到一起，可以對(duì)異常初步分析，將消息推送給對(duì)應(yīng)的維護(hù)系統(tǒng)，完成智能維修處理。目前，該技術(shù)已在汽車、電氣、電子工程等制造業(yè)頭部企業(yè)完成商業(yè)交付落地，上面提到的電氣設(shè)備制造企業(yè)就是其中之一，該技術(shù)在多家企業(yè)應(yīng)用中都表現(xiàn)出了其算法的領(lǐng)先性和解決工程問題的實(shí)用性。

多位業(yè)界專家指出，“基于深度并行時(shí)序關(guān)系網(wǎng)絡(luò)的工業(yè)生產(chǎn)異常數(shù)據(jù)診斷平臺(tái)”本質(zhì)上是解決精密制造如何在過程中提升生產(chǎn)能力、提高產(chǎn)品質(zhì)量的現(xiàn)實(shí)性問題，而該問題也具備普適性。除了汽車制造、電氣工程等機(jī)械制造領(lǐng)域之外，其他精密加工場景中均存在類似的精準(zhǔn)控制與動(dòng)態(tài)調(diào)優(yōu)的訴求，該技術(shù)成果的異常檢測能力也能應(yīng)用到包括風(fēng)電設(shè)備運(yùn)行、母線負(fù)荷預(yù)測系統(tǒng)、風(fēng)功率預(yù)測、設(shè)備狀態(tài)檢測和故障預(yù)警、水質(zhì)監(jiān)測等其他眾多工業(yè)場景中。

當(dāng)前，“基于深度并行時(shí)序關(guān)系網(wǎng)絡(luò)的工業(yè)生產(chǎn)異常數(shù)據(jù)診斷平臺(tái)”也正加速在這些典型的行業(yè)場景中深耕落地。談到對(duì)該技術(shù)的未來規(guī)劃，廖松表示，如何更好的提升數(shù)字工廠集群設(shè)備的整體智能化水平，是“基于深度并行時(shí)序關(guān)系網(wǎng)絡(luò)的工業(yè)生產(chǎn)異常數(shù)據(jù)診斷平臺(tái)”下一個(gè)版本的核心。“隨著生產(chǎn)在線監(jiān)控、設(shè)備預(yù)測性維護(hù)等單點(diǎn)智能的場景化落地，越發(fā)證明機(jī)器學(xué)習(xí)、深度學(xué)習(xí)等AI技術(shù)對(duì)智能制造能力提升具有巨大價(jià)值。這些單點(diǎn)智能在各個(gè)場景下的開花結(jié)果，會(huì)進(jìn)一步驅(qū)動(dòng)智慧工廠逐步從單機(jī)深度智能走向群集廣度智能，實(shí)現(xiàn)智能運(yùn)維、生產(chǎn)、質(zhì)量等環(huán)節(jié)的深度結(jié)合。”（文/邢曉婧）